1.一种结合K‑means聚类的点云区域生长优化分割方法，其特征在于，包括以下步骤：S1，对点云数据进行K‑means聚类，获取聚类后各对象基元的质心，将质心按高程进行排序，获取最低质心点；

S2，遍历所有对象基元，计算各个对象基元的质心与高程最低的质心之间的角度和高差，将符合高差阈值和角度阈值的质心所在的对象基元被划分为地面点，其余质心所在的对象基元划分为未生长的地物点；

S3，遍历未生长的地物对象基元，对未生长的地物对象基元进行区域生长，直到所有的对象基元都遍历完，结束生长。

2.根据权利要求1所述的结合K‑means聚类的点云区域生长优化分割方法，其特征在于，步骤S1中，获取聚类后各对象基元的质心的步骤具体包括：S11，从点云中随机选取k个点，即K‑means聚类获取初始聚类中心，将点云数据划分为k个聚类区域；

S12，计算其余点到k个聚类中心的距离，将未划分的点聚类到距离最近的聚类中心所在的聚类区域；

S13，对聚类后的各区域内的点云数据进行平均值计算，将平均值作为新的聚类中心，即更新聚类中心位置；

S14，迭代计算直到所有区域聚类中心的位置不再改变，输出划分结果，聚类结束。

3.根据权利要求1所述的结合K‑means聚类的点云区域生长优化分割方法，其特征在于，步骤S1中，采用下式计算各对象基元聚类后的质心点的坐标：式中 为 点的三维坐标， 为第 个对象基元， 为该对象基元的质心点，k为对象基元的个数。

4.根据权利要求1所述的结合K‑means聚类的点云区域生长优化分割方法，其特征在于，步骤S2具体包括：遍历所有质心，通过计算各个对象基元的质心与高程最小的质心之间的高差 和立体角度 ，设置高差阈值 和角度阈值 ，若满足条件，则符合条件的质心所在的区域都划为地面点，否则划分为未生长的地物区域，其中质心点 与最低点质心间的立体角度 ，计算公式如下式：若 大于所设角度阈值，则滤除点 ，否则保留该点。

5.根据权利要求1所述的结合K‑means聚类的点云区域生长优化分割方法，其特征在于，步骤S3具体包括：S31，获取聚类分割后的地物对象基元，遍历各个地物对象基元；

S32，针对对象基元各点采用K邻近点搜索法获取周围预设个邻近点；

S33，判断该点的邻近点所属对象基元是否与该点对象基元相同，若相同，返回步骤S32，若不相同，进行步骤S34；

S34，判断邻近点与该点的法向量夹角 是否满足阈值夹角 且邻近点距离 是否满足距离阈值 ，若同时满足，将邻近点所属对象基元与该点所属于对象基元进行生长，当前对象基元内的各点都遍历完，进行步骤S35，否则，返回步骤S33；

S35，判断所有对象基元是否遍历完，若遍历完，输出分割结果，否则返回步骤S31。